Descomposición de Jordan

Documentos relacionados
Descomposición en forma canónica de Jordan (Segunda versión)

Cálculo de una base de Jordan

Álgebra Lineal. Tema 7. La forma canónica de Jordan

Matemáticas Empresariales II. Diagonalización de Matrices

Álgebra Lineal. Ejercicios de evaluación. Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas

RESUMEN DEL TEMA 7 VALORES Y VECTORES PROPIOS

Subspacios Vectoriales

Ejercicios Resueltos Tema 4

ESPACIOS VECTORIALES Y APLICACIONES LINEALES

Autovalores y autovectores Diagonalización y formas canónicas

2.9 Ejercicios resueltos

Álgebra Lineal UCR. Sétimo tema, 2013

Álgebra Lineal. Tema 5 Ecuaciones diferenciales lineales

2.5 Teorema de Jordan

Matemáticas para la Empresa

TEMA III: DIAGONALIZACIÓN.

1. DIAGONALIZACIÓN. FORMAS CANÓNICAS

Ejercicios Resueltos Tema 5

2. Teorema de las multiplicidades algebraica y geométrica.

Relación 1. Espacios vectoriales

Para hacer el b, primero pasamos a binómica, luego a polar y, por fin, operamos. ( 1) = 32i

Formas canónicas reales

Soluciones Hoja Problemas Espacio Vectorial 05-06

Sesión 18: Diagonalización (I) Método práctico para diagonalizar una matriz cuadrada A M nxn K

Valores y Vectores Propios

Grado en Edificación MATERIAL DOCENTE: PRESENTACIÓN DEL TEMA III. Ana Isabel Garralda Guillem y Manuel Ruiz Galán

Proposición Sea V un espacio vectorial sobre K de dimensión n y B una base de V. Gl(n, K) = {A M(n n, K) A = 0}.

Solución de problemas I 1

MATEMÁTICAS ESPECIALES II PRÁCTICA 5 Parte I - Sistemas de ecuaciones diferenciales de primer orden.

Grado en Ciencias Ambientales. Matemáticas. Curso 11/12

Tema 3: Forma canónica de Jordan de una matriz.

Diagonalización de matrices

Ejercicios resueltos del capítulo 4

Estudia la posición relativa de los planos siguientes según los distintos valores de m: ; A b = m 1 m 1

Valores y Vectores Propios

2.10 Ejercicios propuestos

EXAMEN A PP 1A SEMANA

TEMA V. Espacios vectoriales

Capítulo V. Valores y vectores propios. Diagonalización de operadores lineales.

Tema 2. Aplicaciones lineales. Diagonalización de endomorfismos.

Diagonalización de matrices

Ejercicios resueltos de Examenes anteriores

L(a, b, c, d) = (a + c, 2a 2b + 2c + d, a c, 4a 4b + 4c + 2d).

Tema 2: Diagonalización

ÁLGEBRA LINEAL. EXAMEN EXTRAORDINARIO 5 de Julio de T (e 1 ) = e 1 e 2 + 2e 3 T (e 2 ) = e 1 + 2e 2 3e 3. [T (e 1 ) T (e 2 )] =

Transformaciones Lineales

Problemas y Ejercicios Resueltos. Tema 6: Diagonalizacion.

5. Aplicaciones Lineales

Aplicaciones Lineales. Diagonalización de matrices.

Ejercicios Resueltos Tema 1

ESCUELA UNIVERSITARIA POLITÉCNICA DE SEVILLA Ingeniería Técnica Industrial, Especialidad de Electricidad

Capítulo 1: Diagonalización de matrices

1. DIAGONALIZACIÓN DE ENDOMORFISMOS

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

1. W = {(x, y, z) x + y + z =0} 2. W = {(x, y, z) x 2 + y 2 + z 2 =1} Solución:

DIAGONALIZACIÓN DE MATRICES CUADRADAS

TEMA 7. DIAGONALIZACION Y Y FORMAS CANONICAS 1. ENDOMORFISMOS NILPOTENTES

A = [a 1 a 2 a 3. El sistema Ax = c tiene infinitas soluciones N. Existe un único vector x tal que T (x) = c X. T es suprayectiva

Tema 11.- Autovalores y Autovectores.

Soluciones a los ejercicios del examen final

Álgebra Lineal - Grado de Estadística. Examen final 27 de junio de 2014 APELLIDOS, NOMBRE:

SEGUNDO PARCIAL - EJERCICIOS DE REPASO

Clase 7 Herramientas de Álgebra Lineal

Podemos pues formular los dos problemas anteriores en términos de matrices.

MATEMÁTICAS I 2º EXAMEN PARCIAL 12 junio de 2009

Diagonalización de Endomorfismos

MATEMÁTICAS I 13 de junio de 2007

ÁLGEBRA LINEAL I Práctica 7

SISTEMAS LINEALES DE ECUACIONES EN DIFERENCIAS DE PRIMER ORDEN

Espacios Euclídeos. Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza

6.8. Descomposición mediante valores singulares. v 2 =

Examen Extraordinario de Álgebra III, licenciatura

TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA

Valores y vectores propios

ALGEBRA LINEAL. x = β k+1 v k β n v n

Algebra Lineal Tarea No 23: Diagonalización de una matriz Solución a algunos problemas de la tarea (al 29 de junio de 2014)

Tema 1. Espacios Vectoriales Definición de Espacio Vectorial

Tema 7. El espacio vectorial R n Conceptos generales

Examen Final Soluciones (3 horas) 8 de julio de 2015

1.- Sean A i B dos matrices cuadradas invertibles. Es verdad que:

Álgebra. Ingeniería Industrial. Curso 2006/2007 Examen de Septiembre

ÁLGEBRA LINEAL I Práctica 7

Álgebra Lineal. Maestría en Ciencias Matemáticas. x y + z = 1 x y z = 3 2x y z = 1. x + y + 2z = 1 4x 2ty + 5z = 2 x y + tz = 1

ALGEBRA LINEAL Segundo Semestre. Parte II

Espacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21

Tema 1. Espacios Vectoriales. Sistemas de ecuaciones.

ÁLGEBRA LINEAL I Práctica 7

SEPTIEMBRE 2003 PRUEBA A

1. DIAGONALIZACIÓN Y FORMAS CANÓNICAS

PROBLEMAS RESUELTOS del espacio vectorial curso

Capítulo 2. Determinantes Introducción. Definiciones

Espacios Vectoriales Euclídeos. Métodos de los mínimos cuadrados

Valores y vectores propios

Ejercicios tipo test de las lecciones 1 y El vector e = ( 1, 0, λ) está en el plano generado por los vectores u = (1, 2, 1) y

Espacios Vectoriales Asturias: Red de Universidades Virtuales Iberoamericanas 1

Transcripción:

Descomposición de Jordan Gonzalo Flores García Julio 7 Problema. Obtenga la descomposición de Jordan de la matriz A = 5 4 4 Solución. Se puede verificar que p A (λ) = A λi = ( λ) 4, con lo que el único valor propio de A es λ =, con multiplicidad algebraica α A () = 4. Busquemos los vectores propios para este valor propio. Para ello debemos resolver el sistema (A I)v =, es decir 5 4 Notamos inmediatamente que las filas, y 4 definen la misma ecuación (v 4 = v ). De la fila 3 se deduce que v = v 4 5v = v 5v = v. Así, obtenemos que la solución del sistema está dada por v = α + β, α, β R. De esta forma obtenemos que la multiplicidad algebraica del único valor propio es γ A () =. en particular, la matriz no es diagonalizable. Obtengamos ahora vectores propios generalizados para construir la descomposición de Jordan. Para ello, debemos estudiar el sistema (A I)v = u, para u perteneciente al subespacio vectorial generado por los vectores ya obtenidos. Más concretamente,

debemos resolver el sistema 5 4 α α β α para α, β R. Notamos que el sistema es incompatible si α = (viendo, por ejemplo, las filas y ). Luego, para tener soluciones debemos imponer α =. Imponiendo además β = (para no tener un lado derecho nulo) el sistema resulta 5 4 de donde como antes, se deduce que v 4 = v y,, v = v 4 5v + = v 5v + = v +, con lo que finalmente la solución resulta v = γ + δ + Antes de continuar, detallemos un poco lo recién realizado. Cuando llegamos a la conclusión de que α =, significa que el vector asociado (,,, ) no cuenta con vectores propios generalizados. Luego, la solución obtenida entrega un vector propio generalizado para (,,, ). Es decir, hasta ahora contamos con los vectores v = v = v, = γ + γ δ γ donde γ, δ R. La pregunta que surge ahora es que valores debemos asignar a dichas constantes. Para responder esto, debemos seguir con el procedimiento, ya que aun nos falta encontrar un vector para completar una base de R 4. Dichas constantes deben ser tales que el siguiente sistema a evaluar ((A I)v = v, ) no sea incompatible. Planteando el sistema nos queda que 5 4 γ + γ δ γ

Para que dicho sistema sea compatible, de las filas y vemos que γ+ = γ, es decir, = γ. En vista de esto, imponemos γ = / y δ =, con lo que / v, = / y el sistema a analizar queda como 5 4 / / Vemos así que v 4 = v + / y que v = v 4 5v = v + / 5v = v + /, con lo que la solución finalmente queda v = α + β + / / con lo que se obtuvieron los vectores buscados. Más precisamente, tenemos que v = v = v, = v, = donde hemos ponderado los vectores para evitar la aparición de fracciones (recordar que esto era posible para los vectores propios, y también lo es para los vectores propios generalizados, teniendo el cuidado de ponderar todos los vectores propios generalizados asociados a un vector propio dado por el mismo factor y ponderar dicho vector también). En virtud de lo anterior, podemos construir las matrices P y J como P =, 3

J = Resumen del método En general, para obtener la descomposión de Jordan de una matriz dada, debemos seguir los siguientes pasos:. Calcular el polinomio característico p A (λ) y hallar los valores propios de A.. Obtener una base de vectores propios para A. 3. Aquí tenemos casos: i) Si para todo valor propio las multiplicidades algebraica y geométrica coinciden, la matriz es diagonalizable. En este caso la matriz J es diagonal y P está conformada por los vectores propios de A. ii) Para cada valor propio tal que las multiplicidades algebraica y geométrica no coinciden, realizamos el siguiente proceso: (a) Definimos W como el subespacio propio asociado al valor propio actual, cuya base está dada por los vectores propios asociados. (b) Resolvemos el sistema (A λi)v = u para u W λ. Más precisamente, si {v,..., v k } es una base de W λ, entonces resolvemos el sistema (A λi)v = En la práctica, se resuelven los sistemas λ i v i. i= (A λi)v = v i. Si todos ellos resultan ser incompatibles, es necesario encontrar valores de λ i para obtener una combinación lineal que haga que el sistema tenga solución. De ser este el caso, debemos reemplazar uno de los vectores de la base de W λ por la combinación lineal mencionada (cualquiera que sea utilizado en dicha combinación). En cualquier caso, contaremos finalmente con una base de W λ tal que el último sistema escrito tiene solución para al menos uno de los vectores de dicha base. (c) Para cada elemento de la base de W tal que el sistema (A λi)v = v i tenga solución, realizamos el siguiente proceso: I. Resolvemos el sistema (A λi)v = v i, cuya solución es siempre un elemento de W más un vector constante, es decir (A λi)v = v i v = w + u, w W. II. Si el sistema (A λi)v = u es compatible, definimos v i, = u. Si 4

no, buscamos una combinación lineal de la base de W tal que el sistema (A λi)v = u + λ n v n sea compatible y definimos v i, como u más dicha combinación lineal. III. Iteramos el procedimiento, es decir, resolvemos el sistema (A λi)v = v i,j, de donde obtenemos u tal que v = u + w, con w W. Si el sistema (A λi)v = u es compatible, definimos v i,j+ = u. Si no, buscamos una combinación lineal de la base de W y vectores propios generalizados v i,,..., v i,j tal que j (A λi)v = u + λ n v n + µ n v i,n n= sea compatible, y definimos v i,j+ como dicha combinación lineal. Si tal combinación lineal no existe, ya hemos terminado con esta cadena. n= n= 5